
#import scipy.stats as stats

import numpy as np
import pandas as pd
import seaborn as sns
from matplotlib import pyplot as plt
import plotly.express as px
from plotly import graph_objects as go


path = '/datasets/'
rest = pd.read_csv(path + 'rest_data.csv')
rest.sample(5, random_state = 12)


rest.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 15366 entries, 0 to 15365
Data columns (total 6 columns):
 #   Column       Non-Null Count  Dtype 
---  ------       --------------  ----- 
 0   id           15366 non-null  int64 
 1   object_name  15366 non-null  object
 2   chain        15366 non-null  object
 3   object_type  15366 non-null  object
 4   address      15366 non-null  object
 5   number       15366 non-null  int64 
dtypes: int64(2), object(4)
memory usage: 720.4+ KB


rest['object_name'].describe()

count        15366
unique       10393
top       Столовая
freq           267
Name: object_name, dtype: object


rest['object_name'].value_counts().head(15)

Столовая           267
Кафе               236
Шаурма             234
KFC                155
Шоколадница        142
Макдоналдс         122
Бургер Кинг        122
Домино'с Пицца      86
Теремок             84
Крошка Картошка     82
Пекарня             76
Милти               65
Суши Wok            61
Буфет               59
СТОЛОВАЯ            52
Name: object_name, dtype: int64


rest['object_name'] = rest['object_name'].str.lower()
rest['object_name'].value_counts()

столовая                321
кафе                    278
шаурма                  250
шоколадница             158
kfc                     155
                       ... 
юнит                      1
осьминожка                1
кухни кипра               1
столовая 16 при рудн      1
азербайджан               1
Name: object_name, Length: 9924, dtype: int64


rest['object_name'].nunique()

9924


rest['object_name'].value_counts().head(15)

столовая           321
кафе               278
шаурма             250
шоколадница        158
kfc                155
макдоналдс         151
бургер кинг        137
теремок             94
крошка картошка     90
домино'с пицца      90
буфет               82
пекарня             82
суши wok            72
милти               72
папа джонс          51
Name: object_name, dtype: int64


name_dict = {
    'шоколадница':'шоколадница',
    'kfc':'kfc',
    'макдоналдс':'макдоналдс',
    'бургер кинг':'бургер кинг',
    'крошка картошка':'крошка картошка',
    "домино'с пицца":"домино'с пицца",
    'суши wok':'суши wok',
    'папа джонс':'папа джонс',
    'додо пицца':'додо пицца',
    'якитория':'якитория',
    'subway':'subway',
    'сабвей':'subway',
    'сабвэй':'subway',
    'тануки':'тануки',
    'starbucks':'starbucks',
    'старбакс':'starbucks',
    'лукойл':'лукойл',
    'магбургер':'магбургер'
}


def replace_name(name):
    for seach_name in name_dict:
        if seach_name in name:
            return name_dict[seach_name]   
    return name
rest['object_name'] = rest['object_name'].apply(replace_name)


rest['object_name'].value_counts().head(50)

столовая                                321
кафе                                    278
шаурма                                  250
kfc                                     190
шоколадница                             189
макдоналдс                              173
бургер кинг                             161
домино'с пицца                           99
крошка картошка                          96
теремок                                  94
буфет                                    82
пекарня                                  82
суши wok                                 76
милти                                    72
starbucks                                69
папа джонс                               68
subway                                   65
додо пицца                               54
якитория                                 51
тануки                                   47
кофе с собой                             46
школьно-базовая столовая                 44
чайхона №1                               43
донер кебаб                              41
кафетерий                                40
хинкальная                               38
выпечка                                  36
кофе хаус                                35
кофейня                                  33
хлеб насущный                            32
прайм стар                               26
иль патио                                25
cofix                                    25
бистро                                   25
му-му                                    24
пиццерия                                 24
мята lounge                              24
кулинария                                23
бар                                      22
донер                                    20
андерсон                                 19
пицца хат                                18
чайхона                                  16
кофе                                     16
комбинат питания мгту им.н.э.баумана     16
кулинарная лавка братьев караваевых      16
вьетнамская кухня                        15
пицца паоло                              15
столовая при гбоу школа 171              15
алло пицца                               15
Name: object_name, dtype: int64


rest['object_name'].nunique()

9833


rest['chain'].value_counts()

нет    12398
да      2968
Name: chain, dtype: int64


rest['object_type'].value_counts()

кафе                                 6099
столовая                             2587
ресторан                             2285
предприятие быстрого обслуживания    1923
бар                                   856
буфет                                 585
кафетерий                             398
закусочная                            360
магазин (отдел кулинарии)             273
Name: object_type, dtype: int64


rest['number'].hist(figsize=(12,5), label='Посадочных мест от 0 до 25', bins=25, range=(0,25))
plt.xlabel('Кол-во посадочных мест, шт.')
plt.ylabel('Распределение - кол-во точек, шт.')
plt.title('Распределение посадочных мест от 0 до 25')

Text(0.5, 1.0, 'Распределение посадочных мест от 0 до 25')


rest = rest.drop(columns='id')
rest.duplicated().sum()

85


rest = rest.drop_duplicates()
rest


fig = go.Figure(data=[go.Pie(labels=rest['object_type'].value_counts().index, values=rest['object_type'].value_counts(),
                             title='Соотношение видов объектов общественного питания по количеству')])
fig.show()


fig = go.Figure(data=[go.Pie(labels=rest['chain'].value_counts().index, values=rest['chain'].value_counts(), \
                             title='Соотношение сетевых и несетевых заведений по количеству')])
fig.show()


chain = rest.groupby(['object_type', 'chain'])['chain'].count()
chain.name = 'quantity'
chain = chain.reset_index()
chain


fig = px.bar(chain.sort_values(by='quantity'), x='object_type', y='quantity', color='chain', title='Объекты общественного питания', 
             labels=dict(quantity="Тип объекта", object_type="Кол-во объектов, шт."))
fig.show()


chain_ratio = chain[chain['chain']=='да'].sort_values(by='quantity', ascending=False)
all_points = chain.groupby('object_type')['quantity'].sum().reset_index()
all_points.columns = ['object_type','total']
chain_ratio = chain_ratio.merge(all_points, on='object_type', how='left')
chain_ratio['part'] = (chain_ratio['quantity'] / chain_ratio['total']).round(3)
chain_ratio = chain_ratio.sort_values(by = 'part', ascending = False)


plt.figure(figsize=(12,5))
plt.bar(x=chain_ratio['object_type'], height=chain_ratio['part'])
plt.title('Доли сетевых объектов общественного питания для каждого типа')
plt.ylabel('Доля сетевых точек во всех для типа')
plt.xlabel('Тип объекта')
plt.xticks(rotation=45)
plt.show()


plt.figure(figsize=(14,5))
plt.hist(rest[rest['chain']=='да']['number'],bins=50)
plt.title('Распределение кол-ва мест сразу по всем сетевым заведениям')
plt.grid()
plt.show()


rest_chains = rest[rest['chain']=='да']
rest_chains


rest_chains.groupby('object_name')['object_name'].count().sort_values(ascending = False).head()

object_name
kfc               188
шоколадница       185
макдоналдс        172
бургер кинг       159
домино'с пицца     99
Name: object_name, dtype: int64


plt.figure(figsize=(14,5))
plt.hist(rest[rest['chain']=='да']['number'],bins=10, range=(0,10))
plt.title('Распределение кол-ва мест сразу по всем сетевым заведениям')
plt.grid()
plt.show()


chain_sit_quant = rest_chains.groupby('object_name').agg({'chain':'count' ,'number':'median'}).reset_index()
chain_sit_quant


ax = sns.jointplot(x="chain", y="number", data=chain_sit_quant, height = 8, xlim=(0,15), ylim=(0,100), kind= 'kde', fill = True, 
              joint_kws={'alpha': 0.5},)
plt.yticks([0,10,20,30,40,50,60,70,80,90,100])
plt.title('Посадочные места и их кол-во в сетевых заведениях' , fontsize=14)
ax.set_axis_labels('Кол-во зеведений', 'Кол-во посадочных мест', fontsize=14)
plt.show()


chain_objects = rest[rest['chain']=='да'].groupby('object_name').agg({'object_name':'count', 'number':'mean'})
chain_objects.columns = ['objects', 'mean_number']


plt.figure(figsize=(10,5))
plt.scatter(chain_objects['mean_number'], chain_objects['objects'], alpha = 0.4)
plt.xlabel('Среднее кол-во посадочных мест')
plt.ylabel('Кол-во точек в сети')
plt.title('Распределение количества сетевых заведений \n и их среднее количество посадочных мест', fontsize=13)
plt.axhline(np.percentile(chain_objects['objects'], 95), linestyle='--', color='black')
plt.axvline(np.percentile(chain_objects['mean_number'], 95), linestyle='--', color='black')
plt.plot(chain_objects['mean_number'].mean(), chain_objects['objects'].mean(), marker='.', ls='none', ms=10, color = 'red' )
plt.text(330,20, '95% заведений ниже этой линии')
plt.text(175,90, '95% заведений левее этой линии')
plt.show()


print(chain_objects['mean_number'].mean(), chain_objects['objects'].mean())

60.981272655982416 6.012170385395538


number_of_seats_by_object = rest.pivot_table(index='object_type', values='number', aggfunc='mean').sort_values(by='number', ascending=False).reset_index()
number_of_seats_by_object.columns=['object_type', 'avg_seats']
number_of_seats_by_object['avg_seats'] = number_of_seats_by_object['avg_seats'].round(2)
print(number_of_seats_by_object)

my_order1 = rest.groupby(by=["object_type"])["number"].mean().sort_values().iloc[::-1].index

plt.figure(figsize=(15,8))
ax = sns.boxplot(x='object_type', y='number', data = rest, showmeans=True, order = my_order1)
plt.ylim(0, 500)
plt.xlabel('Тип объекта')
plt.ylabel('Кол-во посадочных мест')
plt.title('Кол-во посадочных мест по видам объектов')
plt.setp(ax.get_xticklabels(), rotation=45)
plt.show()

                         object_type  avg_seats
0                           столовая     130.34
1                           ресторан      96.88
2                              буфет      51.43
3                                бар      43.53
4                               кафе      39.79
5  предприятие быстрого обслуживания      20.81
6                          кафетерий       9.18
7                         закусочная       7.85
8          магазин (отдел кулинарии)       5.59


address = rest['address'].to_list()
streets = []

for street in address:  
    start = street.find('город москва')
    if "владение" in street:
        end = street.find('владение')
        streets.append(street[start+15:end-2])
    else:
        end = street.find('дом')
        streets.append(street[start+15:end-2])   

rest['street_name'] = streets  
rest.sample(10, random_state = 3)


top_streets = rest.groupby('street_name', as_index=False).agg({'object_name':'count'})
top_streets.columns = ['street', 'objects']
top_streets = top_streets.sort_values(by='objects', ascending = False)
top10_streets = top_streets.head(10)
print('Топ-10 улиц с наибольшим количеством заведений:\n', top10_streets)

fig = px.bar(top10_streets, x='street', y='objects', 
             color='street', width = 900, height = 550, text='objects')
fig.update_xaxes(tickangle=45)
fig.update_layout(
    title='Топ-10 улиц с наибольшим количеством заведений',
    xaxis_title="Улица",
    yaxis_title="Количество заведений")
fig.show()

Топ-10 улиц с наибольшим количеством заведений:
                       street  objects
1647           проспект Мира      203
1005       Профсоюзная улица      181
691   Ленинградский проспект      170
991   Пресненская набережная      167
412         Варшавское шоссе      161
694       Ленинский проспект      147
1644    проспект Вернадского      128
682     Кутузовский проспект      114
608          Каширское шоссе      111
613     Кировоградская улица      108


streets_with_1_object = top_streets[top_streets['objects']==1]
print('Всего улиц с 1 объектом общественного питания: {}, что составляет {:.1%} от всего кол-ва улиц с объектами общественного питания'\
      .format(len(streets_with_1_object), (len(streets_with_1_object)/len(top_streets))))

Всего улиц с 1 объектом общественного питания: 678, что составляет 32.1% от всего кол-ва улиц с объектами общественного питания


rest.to_csv(r"C:\Users\227650\Downloads\rest1.csv", index=False)

	object_name	chain	number
0	beverly hills diner	1	88.0
1	bierloga	1	75.0
2	black & white	1	40.0
3	bocconcino	3	68.0
4	boobo	1	46.0
...	...	...	...
488	ямми микс	1	2.0
489	ян примус	1	300.0
490	японский ресторан «ваби-саби»	1	155.0
491	япоша	2	105.0
492	ёрш	4	104.0

	object_name	chain	object_type	address	number	street_name
6869	бургер кинг	да	предприятие быстрого обслуживания	город Москва, Строгинский бульвар, дом 1	55	Строгинский бульвар
14072	мск кальянная	нет	кафе	город Москва, Солнцевский проспект, дом 21	40	Солнцевский проспект
11898	subway	да	кафе	город Москва, улица Лобачевского, дом 112А, ст...	10	улица Лобачевского
6639	пекинская утка	нет	ресторан	город Москва, Рублёвское шоссе, дом 62	70	Рублёвское шоссе
2131	столовая «колледж 32»	нет	столовая	город Москва, улица Орджоникидзе, дом 15	20	улица Орджоникидзе
14944	krispy kreme	нет	кафе	город Москва, Ходынский бульвар, дом 4	0	Ходынский бульвар
14547	суши маркет	нет	кафе	город Москва, улица Орджоникидзе, дом 11	40	улица Орджоникидзе
14028	kislovsky	нет	ресторан	город Москва, Большой Кисловский переулок, дом...	98	Большой Кисловский переулок
10911	столовая при школе № 647	нет	столовая	город Москва, 5-я улица Соколиной Горы, дом 14	80	5-я улица Соколиной Горы
10614	ресторан воробьевы горы	нет	ресторан	город Москва, Мичуринский проспект, дом 6, кор...	80	Мичуринский проспект

Рынок заведений общественного питания Москвы¶

Описание проекта¶

Инструкция по выполнению проекта¶

Шаг №1. Загрузите данные и подготовьте их к анализу¶

Шаг №2. Анализ данных¶

Шаг №3. Подготовка презентации¶

Описание данных¶

Предобработка¶

Cоотношение видов объектов общественного питания по количеству.¶

Cоотношение сетевых и несетевых заведений по количеству¶

Для какого вида объекта общественного питания характерно сетевое распространение?¶

Посадочные места и их кол-во в сетевых заведениях¶

Что характерно для сетевых заведений: много заведений с небольшим числом посадочных мест в каждом или мало заведений с большим количеством посадочных мест?¶

Выделите в отдельный столбец информацию об улице из столбца address¶

Найдите число улиц с одним объектом общественного питания. Воспользуйтесь внешней информацией и ответьте на вопрос — в каких районах Москвы находятся эти улицы?¶

	id	object_name	chain	object_type	address	number
1498	21801	Шантимель (кондитерские)	да	кафе	город Москва, Жулебинский бульвар, дом 5	32
14114	213535	Шаверма	нет	предприятие быстрого обслуживания	город Москва, 1-й Силикатный проезд, дом 13	0
3807	26991	Русская охота	нет	ресторан	город Москва, Смоленская улица, дом 5	100
8161	137704	Бургер герой пивной бар	нет	бар	город Москва, улица Большая Ордынка, дом 19, с...	76
12488	196637	Столовая	нет	столовая	город Москва, 6-я Радиальная улица, дом 3, кор...	24

	object_name	chain	object_type	address	number
0	сметана	нет	кафе	город Москва, улица Егора Абакумова, дом 9	48
1	родник	нет	кафе	город Москва, улица Талалихина, дом 2/1, корпус 1	35
2	кафе «академия»	нет	кафе	город Москва, Абельмановская улица, дом 6	95
3	пиццетория	да	кафе	город Москва, Абрамцевская улица, дом 1	40
4	кафе «вишневая метель»	нет	кафе	город Москва, Абрамцевская улица, дом 9, корпус 1	50
...	...	...	...	...	...
15361	шоколадница	да	кафе	город Москва, 3-й Крутицкий переулок, дом 18	50
15362	шоколадница	да	кафе	город Москва, улица Земляной Вал, дом 33	10
15363	шоколадница	да	кафе	город Москва, улица Земляной Вал, дом 33	20
15364	шоколадница	да	кафе	город Москва, поселение Московский, Киевское ш...	36
15365	шоколадница	да	кафе	город Москва, Ходынский бульвар, дом 4	10